The role of triage to reduce waiting times in primary health care facilities in the North West province of South Africa
Notice bibliographique
Résumé
BACKGROUND: Worldwide, patients visiting health care facilities in the public health care sector have to wait for attention from health care professionals. In South Africa, the Cape Triage Score system was implemented successfully in hospitals' emergency departments in the Cape Metropole. The effective utilisation of triage could improve the flow of primary health care (PHC) patients and direct the patients to the right health care professional immediately. AIM: No literature could be traced on the implementation of triage in PHC facilities in South Africa. Consequently, a study addressing this issue could address this lack of information, reduce waiting times in PHC facilities and improve the quality of care. SETTING: PHC facilities in a sub-district of the North West province of South Africa. METHOD: A quantitative, exploratory, typical descriptive pre-test-post-test design was used. The study consisted of two phases. During phase 1, the waiting time survey checklist was used to determine the baseline waiting times. In phase 2, the Cape Triage Score system that triaged the patients and the waiting time survey checklist were used. RESULTS: Data were analysed using Cohen's effect sizes by comparing the total waiting times obtained in both phases with the waiting time survey checklist. Results indicated no reduction in the overall waiting time; however, there was a practical significance where triage was applied. Referral was much quicker to the correct health professional and to the hospitals. CONCLUSION: Although the results indicated no reduction in the overall waiting time of patients, structured support systems and triage at PHC facilities should be used to make referral quicker to the correct health professional and to the hospitals.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».